用JAVA程序调用LibSVM API

1. LibSVM简介

       LibSVM是台湾著名教授陈智仁团队的杰作。具有各个语言版本的接口，包括C/C++、Java、Python、Matlab、C# 等等。这套库运算速度还是挺快的，可以很方便的对数据做分类或回归。由于libSVM程序小，运用灵活，输入参数少，并且是开源的，易于扩展，因此成为目前国内应用最多的SVM的库。

       这套库可以从http://www.csie.ntu.edu.tw/~cjlin/免费获得，目前已经发展到3.22版。下载.zip格式的版本，解压后可以看到，主要有5个文件夹和一些c++源码文件。

2. 数据准备

       Readme里面几乎包含了所有可以帮助你灵活使用LibSVM的信息，可是很多人都不怎么看。这里给出用Java调用LibSVM API最简单的示例，用JAVA进行SVM分类只需要几行程序就搞定了，前提是你已经准备好了符合LibSVM处理数据格式的训练样本和测试样本。下面一一道来：

2.1 准备训练样本和测试样本

直接上LibSVM官网就可以下载，我下载的UCI的UCI-breast-cancer数据集，训练样本和测试样本的基本格式是这样的：

    <label> <index1>:<value1> <index2>:<value2> ...

分别代表： 类别 feature1索引：feature1值 feature2索引：feature2值…

3. Java API

• 建立JAVA工程，导入LibSVM 的JAR包，要注意还需要导入java文件下的svm_train.java和svm_predict.java这两个文件，这两个类其实主要在LibSVM基础上做了进一步封装，把命令行参数转化成了String []类型的函数参数，方便API调用。至于另外两个svm_tony.java和svm_scale可以不导入，它们分别是图形界面和数据压缩用的，不是必要文件。

• 把训练样本和测试样本放在工程文件夹下，当然，你也可以自定义data目录。

• 修改svm_train.java和svm_predict.java这两个文件，前者主要是把model_file_name返回，因为在svm_predict的main函数中需要使用，后者主要是把分类的Accuracy返回。

• 编写JAVA调用LibSVM API分类代码如下，非常简单，代码中给出了注释

import java.io.IOException;  

import libsvm.*;  
 /**JAVA test code for LibSVM
 * Created by zhanghuayan on 2017/1/3.
 */  

public class LibSVMTest {  

    public static void main(String[] args) throws IOException {  
        // TODO Auto-generated method stub  
        //Test for svm_train and svm_predict  
        //svm_train:   
        //    param: String[], parse result of command line parameter of svm-train  
        //    return: String, the directory of modelFile  
        //svm_predect:  
        //    param: String[], parse result of command line parameter of svm-predict, including the modelfile  
        //    return: Double, the accuracy of SVM classification  
        String[] trainArgs = {"UCI-breast-cancer-tra"};//directory of training file  
        String modelFile = svm_train.main(trainArgs);  
        String[] testArgs = {"UCI-breast-cancer-test", modelFile, "UCI-breast-cancer-result"};//directory of test file, model file, result file  
        Double accuracy = svm_predict.main(testArgs);  
        System.out.println("SVM Classification is done! The accuracy is " + accuracy);  

        //Test for cross validation  
        //String[] crossValidationTrainArgs = {"-v", "10", "UCI-breast-cancer-tra"};// 10 fold cross validation  
        //modelFile = svm_train.main(crossValidationTrainArgs);  
        //System.out.print("Cross validation is done! The modelFile is " + modelFile);  
    }  

}  

---

对机器学习，人工智能感兴趣的小伙伴，请关注我的公众号：